Impact of Telehealth on Medication Adherence in Chronic Gastrointestinal Diseases
Notice bibliographique
Résumé
Abstract Background With the COVID-19 pandemic, the demand and availability of telehealth in outpatient care has had exponential growth. Although use of telehealth has been studied and validated for various medical specialties, relatively few studies have looked at its role in gastroenterology. Aim To assess effectiveness of telehealth medicine in gastroenterology by comparing medication adherence rate for patients seen with telehealth and traditional in-person appointment for various gastrointestinal conditions. Methods Retrospective chart review of patients seen in outpatient gastroenterology clinic was performed to identify patients who were given prescription to fill either through telehealth or in-person appointment. By using provincial pharmacy database, we determined the prescription fill rate. Results A total of 206 patients were identified who were provided new prescriptions or prescription renewal at their gastroenterology clinic visit. One hundred and three patients were seen through in-person visit during pre-pandemic period, and 103 patients were seen through telehealth appointment during COVID-19 pandemic. The mean age of patients was 49.2 years (55% female). On average, patients had 4.7 previous visits with their gastroenterologists before their visit. IBD management was the most common reason for visits (37.9% and 46.6% in telehealth and in-person groups, respectively). Prescription fill rate for patients seen through telehealth was 92.2% compared to 81.6% for the in-person group (OR: 2.69, 95% CI: 1.12–6.45; P = 0.023). Conclusions Medication adherence rate for telehealth visits was higher than for in-patient visits. These findings suggest that telehealth can be an effective method of care delivery, especially for patients with chronic gastrointestinal conditions like IBD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».